分數傅立葉變換

數學中,分數傅立葉變換(Fractional Fourier transform,縮寫:FRFT)指的就是傅立葉變換(Fourier Transform)的廣義化。近幾年來,分數傅立葉變換除了在信號處理領域有相當廣泛的應用,其也在數學上被單獨地研究,而定義出如分數迴旋積分(Fractional Convolution)、分數相關(Fractional Correlation)等許多相關的數學運算。

分數傅立葉變換的物理意義即做傅立葉變換 次,其中 不一定要為整數;而做了分數傅立葉變換之後,信號或輸入函數便會出現在介於時域頻域之間的分數域(Fractional Domain)。

若再更進一步地廣義化分數傅立葉變換,則可推廣至線性標準變換

由來

對信號 做一次傅立葉變換的結果為 ,做兩次傅立葉變換的結果為 ,表示成 ,而當做了 次的傅立葉變換可以寫成一般式 。至此,都以 為整數做考量,當令 時,將 分數傅立葉變換定義為 ,其中 可以不必為整數。

歷史

分數傅立葉變換這個概念,其實最早在西元1929年,N.Wiener就已提出,但是並沒有受到太多的矚目。過了約莫50年,V.Namias 在西元1980年重新提出(稱之為重發明)這個概念,但是一直到西元1994年,才有人真正把分數傅立葉變換用在信號處理上,此人為 L. B. Almeida。詳細歷史:1937年提出分數傅立葉變換的概念雛形; 1980年Namias較明確地提出分數傅立葉變換的數學表達式,並將其用於具有確定邊界條件的量子力學薛定諤方程的求解1987年Bride & Kerr 給出嚴格的數學定義以及性質1993年由德國的學者羅曼,土耳其的Ozaktas和以色列的Mendlovic等人首次將分數傅立葉變換概念引入光學並給出了相應的光學過程; Mendlovic&Ozaktas:漸變折射率GRIN介質中光傳播。 A. W. Lohmann: 維格納分佈函數和以及透鏡實現,自由空間的光衍射。 1993年Ozaktas,羅曼,Mendlovic等人在光學中全面引入分數傅立葉變換; 1995年Shih提出了另外一種分數傅立葉變換的形式; 1997年劉樹田等人根據Shih的定義給出了廣義分數傅立葉變換,1999年劉樹田等人將分數傅立葉變換應用於圖像加密研究中; 2001年Ozaktas等人出版“分數傅立葉變換及其在光學和信號處理中應用”一書。

定義

第一種定義:

第二種定義:

, 為實數。

時 (亦即 ),分數傅立葉變換就成了傅立葉變換

表示法

,則可推廣為;依此類推,表示次逆變換

分數傅立葉變換將以上定義推廣至非整數次的,且實數,表示為

是一個整數時則代表傅立葉轉換做次。

例如:

時相當於做一次傅立葉變換,如果在時頻分析(Time-Frequency Analysis)圖上,則是對訊號順時針轉90度

時相當於做兩次傅立葉變換,如果在時頻分析(Time-Frequency Analysis)圖上,則是對訊號順時針轉180度,

時相當於做三次傅立葉變換,如果在時頻分析(Time-Frequency Analysis)圖上,則是對訊號順時針轉270度

時相當於做四次傅立葉變換,如果在時頻分析(Time-Frequency Analysis)圖上,則是對訊號順時針轉360度,

性質

對於任一實數,一個對函數做角度分數傅立葉變換定義為

並且具備以下特性

  • 加法性(Additivity)

  • 線性(Linearity)

  • 整數傅立葉性質(Integer Orders)

,其中為一整數則相當於做次傅立葉轉換;

時,這個定義就變成了連續傅立葉變換的定義 ,

時,它就變成了連續傅立葉變換之逆變換的定義。

的整數倍,則餘切函數餘割函數不會收斂。

有一方法可解決此問題,就是取limit讓以上定義變成有一個狄拉克δ函數被積分的情況,使得

  • 反轉性質(Inverse)

  • 交換性(Commutativity)

  • 結合律(Associativity)

  • 帕塞瓦爾定理(Parseval Theorem)

若從時頻分析圖上來看,代表的意義是在時頻分析上旋轉一角度後能量守恆

定理

的分數傅立葉轉換 ()的時頻分布,等同於 的時頻分布(維格納分布,加伯轉換)順時針旋轉角度 ,用數學式子表示如下:

維格納分佈(Wigner distribution function)

假設

(a) 的維格納分布

(b) 的維格納分布

(c) 的分數傅立葉轉換

,則


加伯轉換(Gabor transform)

假設

(a) 的加伯轉換

(b) 的加伯轉換

(c) 的分數傅立葉轉換

,則

例子一:

對一個加伯轉換後的餘弦函數做不同角度的分數傅立葉轉換。如下圖

例子二:

對一個加伯轉換後的矩形函數做不同角度的分數傅立葉轉換。如下圖

應用

可用分解信號和濾除雜訊;一般來說分為兩種,一種是在時域(Time domain)上,一種是在頻域(Frequency domain)上,

這邊利用分數傅立葉轉換使其在分數域當中濾波。

(一)時域

假設現在是由兩個信號組成:

用數學表示分別如下:


由式子可以很明顯地看出,兩信號是方波。

若要將這兩個信號分開,是非常簡單的一件事情,因為這兩個信號在時域上毫無重疊,便可以直接在時域上將這兩個信號分開。

乘上 時,這個信號會被保留,這個信號就被濾掉了。

此作法可成功將這兩個信號分開。

限制

此種方法的限制為欲分解的信號必須在时域不能重疊,否則無法成功分解。


(二)頻域

可以很明顯地看出 在時域上完全重疊,因此很難在時域分解這兩個信號。

此時,可以妥善利用傅立葉轉換將信號轉到頻域,其在頻域的表示式如下所示:

可以很明顯地看出,若要將這兩個信號在頻域上分開,是非常簡單的一件事情,因為這兩個信號經過傅立葉轉換後,在頻域上完全沒有重疊。

例子

假設 為一個低通濾波器(Low-pass Filter)

乘上 時, 會被保留, 就被濾掉了。

反之,若要保留 而濾掉 ,則可以使用高通濾波器(High-pass Filter)。

這種把欲處理信號先轉換到頻域,再做分解的動作,是濾波器設計的常見方法之一。

限制

欲分解的信號必須在頻域不能重疊,否則無法成功分解。


(三)時頻域分解

(啁啾雜訊) + 三角波信號。

三角波信號(藍色)是我們要的信號,將前面的啁啾(綠色)視為雜訊,由圖中可以發現到,

不論在時域或是頻域,皆無法直接將噪音項去除,這是因為和三角波信號在時域和頻域皆重疊(如下圖左上、右上)。

因此,對於兩個在時、頻域皆重疊的信號來說,很難在一維的時域和頻域中將其分解。

但若使用二維時頻分析,則將有機會可以將兩個在時、頻域皆重疊的信號分解。

這是因為兩個在時、頻域皆重疊的信號其時頻分布並不一定會重疊。因此,只要這兩個信號的時頻分布沒有互相重疊,就可以善用分數傅立葉變換將其成功分解(如下圖左下、右下)。

比較使用分數傅立葉變換與傅立葉變換濾掉雜訊的效果


例子一

假設有噪音干擾,所以接收到的信號除了原始信號以外,還包含了雜訊。

用時頻分析方法來處理接收到的信號,黑色為原始信號(signal)的時頻分布,而綠色為噪音(noise)的時頻分布,如下圖。

收到信號的時頻分布

現在想把雜訊濾掉,以下探討3種方法來還原原始信號。

方法1 : 使用垂直的 Cutoff line

若在時頻分布圖中使用垂直的 Cutoff line ,就相當於在一維時域中,要把信號和噪音分離。

但是由下圖可清楚看出,使用垂直的 Cutoff line 後,仍然會有一部分的噪音無法被去除。

因此方法1無法完美重建原始信號,而會有扭曲的情形發生。

垂直cutoff line


方法2 : 使用水平的 Cutoff line

若在時頻分布圖中使用水平的 Cutoff line ,就相當於在一維頻域中,要把信號和噪音分離。

但是由下圖可清楚看出,使用水平的 Cutoff line 後,仍然會有一部分的噪音無法被去除。

因此方法2也無法完美重建原始信號,而會有扭曲的情形發生。

水平cutoff line


方法3 : 使用斜的 Cutoff line

若在時頻分布圖中使用斜的 Cutoff line ,則可以完美分離信號和噪音。如下圖。

Cutoff line 的參數包含了 是cutoff line和縱軸f-axis的夾角,而 則是cutoff line 距離原點的距離。

水平cutoff line


以下示範如何使用分數傅立葉轉換和Cutoff line來將噪音濾除:

步驟(1) 首先決定cutoff line和縱軸f-axis的夾角

步驟(2) 利用分數傅立葉轉換對時頻分布旋轉 ,使 cutoff line 垂直橫軸 t-axis。

步驟(3) 算出 後,再利用低通遮罩(Low pass Mask)將噪音濾掉。

步驟(4) 最後再做一次分數傅立葉轉換 ,將時頻分布旋轉回原來的位置。


令接收到的信號為 ,最後得到的信號為 ,可將以上步驟用數學式子表示如下:

例子二:
假設發射一信號s(t),中間受到雜訊干擾,最後收到的訊號為f(t)=s(t)+noise
(a) 發射訊號的時域圖
(b) 接收訊號的時域圖
(c) 發射訊號的韋格納分布
(d) 接收訊號的韋格納分布,有由此可見cross-term已經大大的影響時頻圖的可見姓,加上雜訊後的韋格納分布更是無法清楚地將訊號分離開來
(e) 發射訊號的加伯轉換
(f) 接收訊號的加伯轉換
(g) 接收訊號的加伯-維格納轉換
(h) 濾波器的設計,這邊總共有四條cutoff lines,其中有兩條平行,所以總共需要做三次不同的分數傅立葉轉換,再藉由cutoff lines來去除雜訊
(i) 濾波器的設計,這邊總共有四條cutoff lines,其中有兩條平行,所以總共需要做三次不同的分數傅立葉轉換,再藉由cutoff lines來去除雜訊
(j) 對(i)做分數傅立葉轉換
(k) 利用高通濾波器濾波,把兩條cutoff lines設置在低頻
(l) 經過(k)濾波器以後
(m) 透過同上的手法再做兩次低通濾波器,把旁邊兩條線給去除後可得到的還原訊號
(n) 發射訊號(藍色)和還原訊號(綠色)的比較,兩者的MSE僅有0.1128%

由以上可知,透過分數傅立葉旋轉時頻圖的技巧來設計濾波器,我們可以精準地還原訊號

例子三:

一樣假設接收訊號受到了雜訊干擾

(a) 發射訊號

(b) 接收訊號

(c) 接收訊號的韋格納分

(d) 接收訊號的加伯轉換

(e) 接收訊號的加伯-維格納轉換,在這邊的濾波器需要五條cutoff lines(藍線),但有兩條是垂直時間軸,可以直接在時間軸上去除,剩下的三條則需要利用分數傅立葉轉換來去除。

(f) 還原訊號,MSE僅0.3013%

比較傅立葉轉換和分數傅立葉轉換

傅立葉轉換

優點: 運算複雜度較低,有快速傅立葉轉換的演算法。

缺點: 僅有一個維度,頻域,來分析;雜訊若和訊號重疊,則難以分離。

分數傅立葉轉換

優點: 運用旋轉的技巧在時頻圖上去除雜訊,多了一個維度(時域)來分析;除非雜訊和訊號同時在頻域和時域上重疊,否則將可以分離兩訊號。

缺點: 運算複雜度較高。

相關條目

其他的時間-頻率變換:

外部連結

參考文獻

  • N. Wiener, "Hermitian polynomials and Fourier analysis," Journal of Mathematics Physics MIT, 18, 70-73 (1929).
  • V. Namias, "The fractional order Fourier transform and its application to quantum mechanics," J. Inst. Appl. Math. 25, 241–265 (1980).
  • Luís B. Almeida, "The fractional Fourier transform and time-frequency representations," IEEE Trans. Sig. Processing 42 (11), 3084–3091 (1994).
  • Soo-Chang Pei and Jian-Jiun Ding, "Relations between fractional operations and time-frequency distributions, and their applications," IEEE Trans. Sig. Processing 49 (8), 1638–1655 (2001).
  • D. H. Bailey and P. N. Swarztrauber, "The fractional Fourier transform and applications," SIAM Review 33, 389-404 (1991). (Note that this article refers to the chirp-z transform variant, not the FRFT.)
  • Haldun M. Ozaktas, Zeev Zalevsky and M. Alper Kutay. "The Fractional Fourier Transform with Applications in Optics and Signal Processing". John Wiley & Sons (2001). Series in Pure and Applied Optics.
  • Jian-Jiun Ding, Time frequency analysis and wavelet transform class note, Department of Electrical Engineering, National Taiwan University (NTU), Taipei, Taiwan, 2013
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.